Busca avançada
Ano de início
Entree

Aprendizado de métrica baseado em kernels

Processo: 14/11296-0
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 21 de julho de 2014
Vigência (Término): 20 de julho de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Antonio Castelo Filho
Beneficiário:Douglas Cedrim Oliveira
Supervisor no Exterior: Eduard Gröller
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Local de pesquisa : Vienna University of Technology (TU Wien), Áustria  
Vinculado à bolsa:11/12263-0 - Reconstrução de variedades a partir de nuvens de pontos, BP.DR

Resumo

Esse projeto de pesquisa tem como objetivo efetuar uma análise visual interativa de dados imersos em espaços de características de alta dimensão. O objetivo principal é prover ao usuário ferramentas que facilitem o processo de aprendizado de métricas. A metodologia proposta consiste em utilizar o método da pré-imagem e a teoria de kernels auxiliado por técnicas de visualização. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
CEDRIM, DOUGLAS; VAD, VIKTOR; PAIVA, AFONSO; GROELIER, M. EDUARD; NONATO, LUIS GUSTAVO; CASTELO, ANTONIO. Depth functions as a quality measure and for steering multidimensional projections. COMPUTERS & GRAPHICS-UK, v. 60, p. 93-106, NOV 2016. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.